對於早產兒視網膜病變（ROP）相關問題，經評估後發現ChatGPT-4表現最好，回答最準確可靠；BingAI和Gemini在不同方面也有優勢。ChatGPT-4雖然用詞較複雜，但提供詳盡可信賴的回答。總括而言，這些模型通常提供正確資訊。 PubMed DOI

這項研究評估了兩個大型語言模型，ChatGPT-4 和 Google Gemini，針對視網膜脫落問題的可讀性和準確性。分析了13個不同難度的問題，並由十位專家評分。結果顯示，Google Gemini 較易理解，但 ChatGPT-4 在正確答案上表現更佳，尤其是困難問題。ChatGPT-4 在八個問題上優於 Google Gemini，且在簡單和困難問題上都獲得更高評分。整體而言，這兩個 AI 工具有效提供準確的醫療資訊，建議可增強醫療護理。 PubMed DOI

這項研究比較了Google和ChatGPT在回答眼部整形手術常見問題的準確性和可讀性，並評估ChatGPT製作客製化病患教育材料的能力。結果顯示，ChatGPT的回答可讀性較高，平均年級水平為15.6，顯著高於Google的10.0。準確性方面，ChatGPT達93%，也優於Google的78%。此外，ChatGPT能有效調整內容至較低的閱讀水平，仍保持準確性。總體來看，ChatGPT在提供準確資訊和病患教育方面展現出良好潛力，有助於提升病患對眼科護理的理解。 PubMed DOI

本研究評估了六款流行聊天機器人（ChatGPT-3.5、ChatGPT-4.0、Gemini、Copilot、Chatsonic 和 Perplexity）在提供圓錐角膜資訊的可靠性。使用 mDISCERN 和全球質量評分（GQS）指標進行評估，結果顯示大部分網站的責任性較低，且可讀性普遍偏高。Gemini 和 Copilot 的表現最佳，顯示出較高的可靠性和質量，但仍需改善以符合病人的健康素養需求。 PubMed DOI

這項研究評估了四款大型語言模型（LLM）聊天機器人對屈光手術常見問題的回答適當性與可讀性。經驗豐富的屈光外科醫生評估了答案的正確性，並用五種指標測量可讀性。結果顯示，ChatGPT 3.5 正確率為 45%，ChatGPT 4.0 為 52.5%，Gemini 表現最佳，達 87.5%，Copilot 則為 60%。所有機器人的可讀性都很困難，理解需具大學學位。儘管如此，Gemini 提供的答案最為適當，且可讀性較佳。總體而言，這些聊天機器人仍可能產生不當回應，且閱讀上有挑戰。 PubMed DOI

這項研究評估了ChatGPT在斜視醫療方面的準確性與可讀性，使用了免費版（3.5）和付費版（4.0）。共提出34個問題，並在加州和佛羅里達州的三個時間點進行評估。結果顯示，64%的回應被認為是「可接受的」，但根據版本和地點有所不同。佛羅里達州的回應更可能被評為「不準確且可能有害」。整體來看，雖然大部分回應可接受，但準確性和可讀性仍需提升，以增強對斜視家長和病患的實用性。 PubMed DOI

這項研究評估了三個大型語言模型（LLMs）—ChatGPT-4o、Google Gemini 1.5 Pro 和 Microsoft Copilot Pro—在回答葡萄膜炎和眼部炎症問題的表現，並與眼科醫生進行比較。研究隨機選取100個問題，結果顯示LLMs的正確回答率為80%至81%，而眼科醫生為72%。儘管LLMs的準確率較高，但統計分析顯示它們之間及與人類醫生之間並無顯著差異，因此無法證明LLMs在此領域的優越性。 PubMed DOI

這項研究比較了三款AI聊天機器人在土耳其醫學專科考試急診醫學題目的表現，發現 Copilot 錯誤率最低，Gemini 錯誤率最高。三款AI在創傷、外科、燒燙傷和小兒題目表現較差，遇到機率題時錯誤率也會增加。雖然AI能輔助學習，但不建議當作醫學考試的主要讀書工具。 PubMed DOI

這項研究發現，ChatGPT-4o在回答小兒夜間遺尿常見問題時，正確率最高（92.5%），表現優於Gemini和Copilot。雖然ChatGPT-4o在簡單醫療問題上很可靠，但AI建議還是要搭配醫師專業判斷使用。 PubMed DOI

這項研究比較了三款AI聊天機器人回答兒童O型腿和X型腿問題的表現。結果發現，ChatGPT和Gemini的答案比Copilot更正確、內容也更完整，但三者在表達清楚度和錯誤資訊風險上差不多。整體來說，AI可以協助提供健康資訊，但在兒科醫療領域，專家審核還是很重要。 PubMed DOI